×
克里斯托夫·安德烈；阿诺·杜塞特；罗马人霍伦斯坦
[保罗·费恩黑德；西蒙·戈德斯基；尼古拉斯·肖邦；陈荣；马克·吉洛米；尼克·怀特利；罗伯茨，加雷斯；米盖尔·贝尔蒙特。；奥米洛斯·帕帕斯皮利奥普洛斯；科日什托夫·阿图兹恩斯基；托马斯·弗鲁里；尼尔·谢泼德；克里斯蒂安·罗伯特。；雅各布，皮埃尔；哈瓦德街；安妮迪亚·巴德拉；卢克·博恩；Aline表格；奥利维尔·卡佩；康奈比斯，J。；彼得斯，G.W。；德鲁·D·克里尔。；科普曼，暹粒；丹·克里斯安；大卫·德雷珀；理查德·埃弗里特；天哪，安德鲁；达伦·威尔金森。；爱德华·爱奥尼德斯。；迈克尔·约翰内斯；尼克·波尔森；Yae，Seung Min先生；亚当·约翰森（Adam M.Johansen）。；约翰·A·D·阿斯顿。；安东尼·李；克里斯·福尔摩斯；西蒙·马斯凯尔；劳伦斯·默里；埃姆林·琼斯；约翰·帕斯洛；埃迪·坎贝尔；努加尔·马格瓦拉什维利；拉尔夫·席尔瓦。；罗伯特·科恩；保罗·佐丹尼；迈克尔·K·皮特。；Miika Toivanen公司；佐科·兰皮宁；云，仲云；陈玉国]

粒子马尔可夫链蒙特卡罗方法。通过讨论和作者的回复。 （英语） Zbl 1411.65020号

J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 第37269-342号（2010年）.
摘要：马尔可夫链蒙特卡罗和序贯蒙特卡罗方法已成为从高维概率分布中采样的两种主要工具。虽然马尔可夫链蒙特卡罗算法在较弱的假设下可以保证渐近收敛，但当用于探索空间的建议分布选择不当和/或高度相关的变量独立更新时，这些算法的性能是不可靠的。我们在这里展示了如何使用顺序蒙特卡罗方法构建高效的高维建议分布。这不仅使我们能够改进标准的马尔可夫链蒙特卡罗方法，而且使贝叶斯推理对于一大类统计模型是可行的，而这在以前是不可行的。我们在非线性状态空间模型和Lévy驱动的随机波动率模型上演示了这些算法。

引用于5评论
引用于267文件

MSC公司：

65立方厘米 马尔可夫链的数值分析或方法
65二氧化碳 蒙特卡罗方法
65C60个 统计中的计算问题（MSC2010）
62第20页 统计学在经济学中的应用
65-02年 与数值分析相关的研究展览（专著、调查文章）

关键词：

贝叶斯推断；马尔可夫链蒙特卡罗方法；序贯蒙特卡罗方法；状态空间模型

软件：

浮夸；R（右）
PDF格式BibTeX公司 XML格式引用
\textit{C.Andrieu}等人，J.R.Stat.Soc.，Ser。B、 统计方法。72，第3号，269--342（2010；Zbl 1411.65020）
全文： 内政部

参考文献：

[1] Andrieu，C.、Berthelesen，K.、Doucet，A.和Roberts，G.O.（2007）蒙特卡罗模拟的预期辅助变量方法。工作文件。布里斯托尔大学数学系。
[2] Andrieu，C.、De Freitas，J.F.G.和Doucet，A.（1999）贝叶斯模型选择的序贯马尔可夫链蒙特卡罗。程序中。Wrkshp Higher Order Statistics，《凯撒利亚》，第130-134页。纽约：电气与电子工程师学会。
[3] Andrieu，C.和Roberts，G.O.（2009）有效计算的伪边际方法。安。统计师。, 37, 697– 725. ·Zbl 1185.60083号
[4] Andrieu，C.和Thoms，J.（2008）自适应MCMC教程。统计师。计算。, 18, 343– 373.
[5] Barndorff‐Nielsen，O.E.和Shephard，N.（2001a）基于非高斯Ornstein–Uhlenbeck的模型及其在金融经济学中的一些应用（附讨论）。J.R.统计学家。Soc.B公司, 63, 167– 241. ·Zbl 0983.60028号
[6] Barndorff‐Nielsen，O.E.和Shephard，N.（2001b）《正态修正稳定过程》。西奥。普罗巴伯。数学。统计师。, 65, 1– 19. ·Zbl 1026.60058号
[7] Beaumont，M.A.（2003）遗传监测人群中人口增长或下降的估计。遗传学, 164, 1139– 1160.
[8] Belmonte，M.A.G.、Papaspiliopoulos，O.和Pitt，M.K.（2008）持续时间型模型的粒子滤波估计。技术报告。考文垂华威大学统计系。
[9] Cappé，O.，Moulines，E.和Rydén，T.（2005）《隐马尔可夫模型中的推断》。纽约：斯普林格·Zbl 1080.62065号
[10] Carpenter，J.、Clifford，P.和Fearnhead，P..（1999）非线性问题的改进粒子滤波器。IEE程序。F类, 46, 2– 7.
[11] Carter，C.K.和Kohn，R.（1994）关于状态空间模型的吉布斯采样。生物特征, 81, 541– 553. ·Zbl 0809.62087号
[12] Cérou，F.、Del Moral，P.和Guyader，A.（2008）非正规化Feynman‐Kac粒子模型的非渐近方差定理。技术报告右‐6716塔伦斯南欧波尔多国家信息与自动化研究所。
[13] 肖邦，N.（2002）静态模型的顺序粒子滤波方法。生物特征, 89, 539– 552. ·Zbl 1036.62062号
[14] Combe，N.、Vlugt，T.J.H.、Wolde，P.R.和Frenkel，D.（2003）动态剪枝富集Rosenbluth方法。摩尔。物理学。，1011675–1682。
[15] Creal，D.D.（2008）Lévy驱动随机波动率模型的滤波和平滑算法分析。计算统计。数据分析。, 52, 2863– 2876. ·Zbl 1452.62757号
[16] Del Moral，P.（2004）Feynman‐Kac公式：谱系和相互作用粒子系统及其应用。纽约：斯普林格·Zbl 1130.60003号
[17] Del Moral，P.、Doucet，A.和Jasra，A.（2006）《序贯蒙特卡罗采样器》。J.R.统计学家。Soc.B公司, 68, 411– 436. ·Zbl 1105.62034号
[18] Doucet，A.、De Freitas，J.F.G.和Gordon，N.J.（eds）（2001年）《实践中的序贯蒙特卡罗方法》。纽约：斯普林格·兹比尔0967.00022
[19] Doucet，A.和Johansen，A.M.（2009）《粒子过滤和平滑教程：十五年后》。在非线性滤波手册（编辑D.Crisan和B.Rozovsky）中。剑桥：剑桥大学出版社·Zbl 1513.60043号
[20] Fearnhead，P.（2002）MCMC，《充分统计和粒子过滤器》。J.计算图表。统计师。, 11, 848– 862.
[21] Fernandez‐Villaverde，J.和Rubio‐Ramirez，J.F.（2007）《估算宏观经济模型：可能性方法》。经济收益率。螺柱。, 74, 1059– 1087. ·Zbl 1206.91064号
[22] Flury，T.和Shephard，N.（2010）仅基于模拟可能性的贝叶斯推断：动态经济模型的粒子滤波分析。计量经济学。理论。，待发布·Zbl 1226.62021号
[23] Frenkel，D.（2006）《废物回收蒙特卡洛》。莱克特。注释物理。, 703, 127– 138.
[24] Frühwirth‐Schnatter，S.（1994），数据增强和动态线性模型。J.时间序列。分析。, 15, 183– 202. ·Zbl 0815.62065号
[25] Frühwirth‐Schnatter，S.和Sögner，L.（2008）基于OU过程和边际伽马定律的随机波动率模型的贝叶斯估计。Ann.Inst.统计。数学。, 61, 159– 179. ·Zbl 1294.62184号
[26] Gander，M.P.S.和Stephens，D.A.（2007）具有一般边际分布的连续时间随机波动率建模：推理、预测和模型选择。J.统计。计划信息。, 137, 3068– 3081. ·Zbl 1255.60074号
[27] Gilks，W.R.和Berzuini，C.（2001）动态贝叶斯模型的移动目标蒙特卡罗推断。J.R.统计学家。Soc.B公司, 63, 127– 146. ·兹比尔0976.62021
[28] Gordon，N.J.、Salmond，D.和Smith，A.F.M.（1993）非线性非高斯贝叶斯状态估计的新方法。IEE程序。F类, 40, 107– 113.
[29] Kitagawa，G.（1996）非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器。J.计算图表。统计师。，5，1-25。
[30] Ionides，E.L.、Breto，C.和King，A.A.（2006）《非线性动力系统的推断》。程序。国家。阿卡德。科学。美国, 103, 18438– 18443.
[31] Liu，J.S.（2001）科学计算中的蒙特卡罗策略。纽约：斯普林格·Zbl 0991.65001号
[32] Liu，J.S.，Liang，F.和Wong，W.H.（2000）《大都会抽样中多重尝试方法和局部优化的使用》。《美国统计杂志》。助理。, 95, 121– 134. ·Zbl 1072.65505号
[33] Mengersen，K.L.和Tweedie，R.（1996）黑斯廷斯和大都会算法的收敛速度。安。统计师。, 24, 101– 121. ·Zbl 0854.60065号
[34] Möller，J.、Pettitt，A.N.、Berthelsen，K.K.和Reeves，R.W.（2006）具有难以处理的归一化常数的分布的有效马尔可夫链蒙特卡罗方法。生物特征，93451–458·Zbl 1158.62020号
[35] Pitt，M.K.和Shephard，N.（1999）《模拟过滤：辅助粒子过滤器》。《美国统计杂志》。助理。, 94, 590– 599. ·Zbl 1072.62639号
[36] Roberts，G.O.、Papaspiliopoulos，O.和Dellaportas，P.（2004）非高斯Ornstein–Unhlenbeck随机波动过程的贝叶斯推断。J.R.统计学家。Soc.B公司, 66, 369– 393. ·Zbl 1062.62049号
[37] Shephard，N.和Pitt，M.K.（1997）非高斯测量时间序列的可能性分析。生物特征, 84, 653– 667. ·兹比尔0888.62095
[38] Siepmann，J.I.和Frenkel，D.（1992）配置偏差蒙特卡罗：柔性链的一种新采样方案。摩尔。物理学。, 75, 59– 70.
[39] Storvik，G.（2002）状态空间模型中存在未知静态参数的粒子滤波器。IEEE传输。信号处理。, 50, 281– 289.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。